ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PEMILIK UMKM DENGAN ALGORITMA FP-GROWTH

Tutik Khotimah, Darsin Darsin, Endang Supriyati, Anastasya Latubessy, Arief Susanto

Abstract


Penelitian ini bertujuan untuk mengetahui pola pemilik UMKM di Kecamatan Banyumanik Kabupaten Semarang. Data yang digunakan sebanyak 449 record. Atribut yang digunakan meliputi jenis kelamin dan tingkat pendidikan. Algoritma yang digunakan untuk Association Rule Mining adalah algoritma FP-Growth. Dari penelitian ini dihasilkan 13 rule dengan nilai support terkecil 0,025. Dari ke-13 rule, dibagi menjadi 4 kelompok berdasarkan nilai support dan confidence. Kelompok pertama, dengan nilai support dan confidence yang tinggi, ada 1 aturan, yaitu aturan jika SMA maka Perempuan. Kelompok kedua, dengan nilai support tinggi sedangkan nilai confidence rendah, ada 1 aturan, yaitu aturan jika Perempuan maka SMA. Kelompok ketiga, dengan nilai support rendah sedangkan confidence tinggi, ada 5 aturan, yaitu aturan jika Sarjana maka Perempuan, jika SMP maka Perempuan, jika Tidak Sekolah maka Perempuan, jika Diploma maka Perempuan, dan jika SD maka Perempuan. Kelompok keempat, dengan nilai support dan confidence rendah, ada 6 aturan, yaitu aturan jika Perempuan maka Sarjana, jika Laki-laki maka Sarjana, jika SMP maka Laki-laki, jika SMA maka Laki-laki, jika Sarjana maka Laki-laki, dan jika Laki-laki maka SMA.

Keywords


Association Rule Mining; FP-Growth; UMKM

Full Text:

PDF

References


Erwin, (2009), Analisis Market Basket dengan Algoritma Apriori dan FP-Growth, Jurnal Generic, Vol 4, No 2, pp. 26-30

Gorunescu, F., (2011), Data Mining: Concepts, Models and Techniques, Intelligent Systems Reference Library Vol 12, Springer, London

Han, J., and Kamber, M., (2007), Data Mining: Concept and Techniques, 2nd Ed., Morgan Kaufmann, New York

Nainggolan, R., (2016), Gender, Tingkat Pendidikan dan Lama Usaha sebagai Determinan Penghasilan UMKM Kota Surabaya, Kinerja, Vol 20, No 1, pp. 1-12.

Pane, D.K., (2013), Implementasi Data Mining pada Penjualan Produk Elektronik dengan Algoritma Apriori (Studi Kasus: Kreditplus), Pelita Informatika Budi Darma, Vol 4, No 3, pp 25-29

Santoso, L.W., (2003), Pembuatan Perangkat Lunak Data Mining untuk Penggalian Kaidah Asosiasi Menggunakan Metode Apriori, Jurnal Informatika, Vol 6, No 2, pp. 49-56

Utari, T., dan Dewi, P.M., (2014), Pengaruh Modal, Tingkat Pendidikan dan Teknologi Terhadap Pendapatan Usaha Mikro Kecil dan Menengah (UMKM) di Kawasan Imam Bonjol Denpasar Barat, E-Jurnal Ekonomi Pembangunan Universitas Udayana, Vol 3, No. 12, pp.576-585

Witten, I.H., Frank, E., and Hall, M.A., (2011), Data Mining: Practical Machine Learning Tools and Techniques, 3rd Ed, London


Refbacks

  • There are currently no refbacks.